本書包含《Python機器學(xué)習(xí)實踐指南》、《TensorFlow機器學(xué)習(xí)項目實戰(zhàn)》、《TensorFlow技術(shù)解析與實戰(zhàn)》共三冊。

《Python機器學(xué)習(xí)實踐指南》：機器學(xué)習(xí)是近年來漸趨熱門的一個領(lǐng)域，同時Python語言經(jīng)過一段時間的發(fā)展也已逐漸成為主流的編程語言之一。本書結(jié)合了機器學(xué)習(xí)和Python語言兩個熱門的領(lǐng)域，通過易于理解的項目詳細講述了如何構(gòu)建真實的機器學(xué)習(xí)應(yīng)用程序。全書共有10章。第1章講解了Python機器學(xué)習(xí)的生態(tài)系統(tǒng)，剩余9章介紹了眾多與機器學(xué)習(xí)相關(guān)的算法，包括聚類算法、推薦引擎等，主要包括機器學(xué)習(xí)在公寓、機票、IPO市場、新聞源、內(nèi)容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應(yīng)用。本書適合Python程序員、數(shù)據(jù)分析人員、對算法感興趣的讀者、機器學(xué)習(xí)領(lǐng)域的從業(yè)人員及科研人員閱讀。

《TensorFlow機器學(xué)習(xí)項目實戰(zhàn)》：TensorFlow是Google所主導(dǎo)的機器學(xué)習(xí)框架，也是機器學(xué)習(xí)領(lǐng)域研究和應(yīng)用的熱門對象。 本書主要介紹如何使用TensorFlow庫實現(xiàn)各種各樣的模型，旨在降低學(xué)習(xí)門檻，并為讀者解決問題提供詳細的方法和指導(dǎo)。全書共10章，分別介紹了TensorFlow基礎(chǔ)知識、聚類、線性回歸、邏輯回歸、不同的神經(jīng)網(wǎng)絡(luò)、規(guī)?；\行模型以及庫的應(yīng)用技巧。本書適合想要學(xué)習(xí)和了解 TensorFlow 和機器學(xué)習(xí)的讀者閱讀參考。如果讀者具備一定的C++和Python的經(jīng)驗，將能夠更加輕松地閱讀和學(xué)習(xí)本書。

《TensorFlow技術(shù)解析與實戰(zhàn)》：本書從深度學(xué)習(xí)的基礎(chǔ)講起，深入TensorFlow框架原理、模型構(gòu)建、源代碼分析和網(wǎng)絡(luò)實現(xiàn)等各個方面。全書分為基礎(chǔ)篇、實戰(zhàn)篇和提高篇三部分?；A(chǔ)篇講解人工智能的入門知識，深度學(xué)習(xí)的方法，TensorFlow的基礎(chǔ)原理、系統(tǒng)架構(gòu)、設(shè)計理念、編程模型、常用API、批標準化、模型的存儲與加載、隊列與線程，實現(xiàn)一個自定義操作，并進行TensorFlow源代碼解析，介紹卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的演化發(fā)展及其TensorFlow實現(xiàn)、TensorFlow的高級框架等知識；實戰(zhàn)篇講解如何用TensorFlow寫一個神經(jīng)網(wǎng)絡(luò)程序并介紹TensorFlow實現(xiàn)各種網(wǎng)絡(luò)（CNN、RNN和自編碼網(wǎng)絡(luò)等），并對MINIST數(shù)據(jù)集進行訓(xùn)練，講解TensorFlow在人臉識別、自然語言處理、圖像和語音的結(jié)合、生成式對抗網(wǎng)絡(luò)等方面的應(yīng)用；提高篇講解TensorFlow的分布式原理、架構(gòu)、模式、API，還會介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結(jié)合、TensorFlowOnSpark、TensorFlow移動端應(yīng)用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計算加速等其他特性。最后，附錄中列出一些可供參考的公開數(shù)據(jù)集，并結(jié)合作者的項目經(jīng)驗介紹項目管理的一些建議。本書深入淺出，理論聯(lián)系實際，實戰(zhàn)案例新穎，基于最新的TensorFlow 1.1版本，涵蓋TensorFlow的新特性，非常適合對深度學(xué)習(xí)和TensorFlow感興趣的讀者閱讀。